Design of a Model Predictive control for electric vehicle converter

Este proyecto consiste en el diseño de una estrategia de control para cargadores de vehículos eléctricos de todo tipo, con el objetivo de minimizar los costes de la energía y la degradación de la capacidad de la batería. Primeramente, hemos revisado el estado de la técnica, mostrando como otros autores han intentados extender la vida de las baterías a través de innovadores diseños. También hemos estudiado otras estrategias de control con objetivos similares ya existentes, que mayormente se conciben en el contexto de las redes inteligentes o para los sistemas de gestión de energía de vehículos híbridos.
En lo que respecta a la contribución de este proyecto, se explica cómo hemos modelado el sistema físico en cuestión: el cargador del vehículo más la batería. Seguidamente formulamos las funciones de coste que queremos que el control optimice: el coste de la energía y la reducción de la vida de la batería. Combinamos estos términos en una única función expresada en $. Dos métodos de control distintos han sido considerados: Control Predictivo por Modelo y Programación Dinámica. El CPM es una estrategia en línea y a corto plazo, con la habilidad de predecir elementos variables con el tiempo. La PD es una estrategia fuera de línea y más a largo plazo, destacando por su habilidad para planear y garantizar condiciones finales.
Estas estrategias han sido comparadas frente a un caso base de carga sin control en horas pico de precio de electricidad. El CPM, dada su naturaleza, no logró alcanzar los objetivos mínimos de nivel de carga, por lo que no parece adecuado para usarse por sí solo. La PD sí que produjo resultados satisfactorios, consiguiendo un nivel de carga apropiado y una mejora en la función de coste de un 16.93%

This project consists of a design of a control strategy for all manner of electric vehicle chargers, with the objective of minimizing energy purchasing costs as well as battery capacity fade. We first review the state of the art, noting how other authors have tried to tackle battery life extension through innovative battery designs. We also study other control strategies aimed at these objectives, which have been mostly designed in the context of the smart grid or for the power management system of hybrid electric vehicles.
As for this project’s contribution, we explain how we modeled the physical system in question: the electric vehicle charger in addition to the battery. We then formulate the cost functions our control will seek to optimize: energy consumption cost and battery capacity fade. We construct a single cost function from these terms formulated in $. Two different control methodologies have been employed: Model Predictive Control and Dynamic Programming. The MPC strategy is on-line and short term, with the ability to predict time-variant elements. The DP strategy is off-line and long term and excels at planning and fulfilling final state conditions.
These strategies were then compared against a case of uncontrolled charging during peak electricity cost hours. MPC, due to its short-term nature, was unable to provide an acceptable level of charge past the specified time window, so it was deemed unfit to work by itself. DPM on the other hand provided satisfactory results, ensuring an acceptable level of charge and an overall cost improvement of 16.93%